VIP10
本课程属于：087-强化学习驾驶决策与控制工程 智能汽车与新能源汽车工程 · 共 10 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

PPO SAC自动驾驶连续控制工程

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=自动驾驶连续控制的任务定义 · 学习目标 · PPO与SAC的定位
课程导入目标=自动驾驶连…
02
强化学习基础
目标=马尔可夫决策过程 · 状态动作空间 · 奖励函数
强化学习基础目标=马尔可夫决…
03
连续控制问题
目标=连续动作空间特点 · 离散化局限 · 确定性策略与随机策略
连续控制问题目标=连续动作空…
04
PPO核心原理
目标=信赖域策略优化 · 重要性采样 · 裁剪目标函数
PPO核心原理
05
SAC核心原理
目标=最大熵强化学习 · 软Q函数 · 温度系数自适应
SAC核心原理
06
PPO与SAC对比
目标=样本效率 · 稳定性 · 探索能力
PPOSAC
07
自动驾驶仿真环境
目标=CARLA · AirSim · Highway-env
自动驾驶仿真环境CARLA
08
状态与观测工程
目标=传感器数据 · 鸟瞰图 · 雷达点云
状态观测工程
09
动作空间设计
目标=连续转向角 · 油门 · 刹车
动作空间设计目标=连续转向角
10
奖励函数设计
目标=车道保持 · 速度跟踪 · 碰撞惩罚
奖励函数设计目标=车道保持
11
PPO工程实现
目标=网络结构 · Actor-Critic架构 · 并行环境采样
PPO工程实现
12
SAC工程实现
目标=软Q网络 · 目标网络 · 经验回放
SAC工程实现
13
训练稳定性技巧
目标=奖励缩放 · 观测归一化 · 梯度裁剪
训练稳定性技巧目标=奖励缩放
14
超参数调优
目标=PPO的clip范围 · GAE参数 · 批次大小
超参数调优PPO
15
探索与利用
目标=熵正则化 · 动作噪声 · 随机策略
探索利用
16
仿真到现实迁移
目标=域随机化 · 系统辨识 · 观测延迟
仿真到现实迁移目标=域随机化
17
安全强化学习
目标=约束MDP · 安全层 · 控制屏障函数
安全强化学习MDP
18
多任务与泛化
目标=多场景训练 · 任务嵌入 · 元学习
多任务泛化
19
案例实战一
目标=基于PPO的车道保持连续控制 · 从环境搭建到训练评估完整流程
案例实战一PPO
20
案例实战二
目标=基于SAC的自动驾驶换道决策与… · 奖励设计与训练调优
案例实战二SAC
21
案例实战三
目标=PPO与SAC在CARLA中的…
案例实战三PPO
22
案例实战四
目标=多传感器融合观测下的PPO-S…
案例实战四PPO-S
23
评估与测试
目标=回合回报 · 成功率 · 碰撞率
评估测试
24
常见问题排查
目标=训练不收敛 · 策略崩溃 · 奖励黑客
常见问题排查目标=训练不收敛
25
计算与部署
目标=GPU并行采样 · 分布式训练 · 模型压缩
计算部署
26
工程化架构
目标=训练框架 · 配置管理 · 日志监控
工程化架构目标=训练框架
27
前沿进展
目标=离线强化学习 · 世界模型 · 扩散策略
前沿进展目标=离线强化学…
28
综合项目一
目标=设计并实现高速公路连续控制智能… · 完成PPO或SAC完整训练与评估
综合项目一目标=设计并实现…
29
综合项目二
目标=构建城市交叉口安全连续控制方案 · 融合安全约束与多任务学习
综合项目二目标=构建城市交…
30
课程总结与提升
目标=知识体系回顾 · 工程最佳实践 · 论文复现建议
课程总结提升